SID: Stereo Image Dataset for Autonomous Driving in Adverse Conditions

在自动驾驶中，强健的感知能力尤为重要，特别是在常见的恶劣天气和光照条件下。本文介绍了立体图像数据集（SID），这是一个大规模的立体图像数据集，捕捉了各种具有挑战性的真实环境场景。SID采用ZED立体相机在车辆上安装，以20 Hz的速率记录，共包含27个序列，超过178k个立体图像对，展示了从晴朗的天空到大雪覆盖的各种条件，包括白天，黄昏和夜晚。该数据集包括详细的序列级注释，包括天气条件，时间，位置和路况，以及相机镜头污染的实例，提供了自主导航中的挑战的真实代表。我们的工作旨在填补自动驾驶系统研究中的一个显著空白，通过提供对于高保真度的立体图像，对于先进感知算法的开发和测试至关重要。这些算法支持在变化的天气和光照条件下的一致和可靠的操作，即使在处理像镜头污染这样具有挑战性的情况时也是如此。SID已公开发布，网址为：https://doi.org/10.7302/esz6-nv83。

本论文旨在解决自动驾驶中的感知问题，尤其是在恶劣的天气和光照条件下的感知问题。作者通过引入一个大规模的立体图像数据集（SID）来提供高保真度的图像数据，以帮助开发和测试先进的感知算法。

本文的关键思路是使用ZED立体相机在车辆上捕捉大量的图像序列，以展示从晴朗的天空到大雪的各种挑战性的真实环境情况。SID包括详细的序列级别注释，包括天气条件、时间、位置和道路状况，以及相机镜头污染的实例，提供了自主导航中的挑战的真实表示。

本文的亮点包括：引入了一个大规模的立体图像数据集（SID）；提供了详细的序列级别注释；展示了各种挑战性的真实环境情况，包括相机镜头污染；为自主导航中的感知算法提供了高保真度的图像数据；SID已公开发布。

最近在这个领域中，还有一些相关的研究，如：1. KITTI Vision Benchmark Suite；2. nuScenes；3. ApolloScape。